我有一个很长的重复测量数据集,如下所示,我想评估治疗(0和1)对血压(连续变量)的影响。该数据集包括三个随机临床试验数据,我们希望将它们组合在一起以提高统计能力。这是数据集的整体结构:
患者ID :1 1 1 1 2 2 2 2…
时间(天):0 45 80 100 0 90 100 250…
血压值:140130129125150145140139…
年龄:50 50 50 50 65 65 65 65…
治疗:(两个级别:治疗vs比较者)
治疗类型(三个级别:剧烈,安慰剂,药物)
试用:(三个级别:trial_A,trial_B,trial_C)
我想知道如何使线性混合模型效果具有以下特征:随机截距(试验,PATIENT_ID,治疗类型)+固定的“治疗”效果+固定的“时间”效果(三次项)+固定的“年龄”效果+时间的随机斜率(个人水平)和“治疗类型”的随机斜率(试验水平)
我使用R中的 “ nlme” 包编写了以下代码,但是我不确定它是否正确。
lme(blood_pressure_value ~ Treatment + Time + I(Time ^2) + I(Time ^3) + Age, random = list(TRIAL = ~1+ Treatment type, PATIENT_ID = ~1 + TVISIT), data = data ,na.action=na.exclude, method = "REML", correlation = corCAR1())